目标检测比赛的trick

目标检测比赛的trick

取自郑烨大佬的分享。

1、anchor_ratio和anchor_scale的设置。

根据模型感受野，anchor的长宽比，图片的长宽比来确定上面这两个数字。
链接1链接2

2、hrnet作为backbone来应对iou要求极高的检测

3、粗检测+细检测来应对目标数量极其稀少的检测。

4、训练采样的方式：

a、在线加权采样（1、按照类别数量比例加权 2、按照图片类别丰富程度加权）
b、OHEM等基于loss的采样

5、正常数据的使用

a、图片拼接（先用rpn训练一下正常图片与带目标的图片的拼接图片，然后把上一步中训练出来的模型初始化一下新的rpn用来训练只带目标的图片）
b、抠图+粘贴（也就是常说的填鸭法）
c、做差、通道拼接

6、整体算法

包括四个部分（Backbone、Head、Substructure、Post-processing）

7、训练loss函数的选择（Focalloss等）

8、cascade模型的话注意iou阈值的选取

9、类别不平衡的问题

针对前景背景不平衡可以采用focalloss，CHM，OHEM等
针对类别不平衡可以采用上采样，下采样等

10、数据增强

mmdetection+ablu、mixup、填鸭式

11、syncbn一般效果会比较好

12、学习率的设置，一般使用的是StepLrSchedule，可以尝试CosineLrSchedule

13、多尺度测试TTA

14、soft_nms

15、减小confidence_th